论文部分内容阅读
近年来中国利率市场化改革步伐加快,随着利率市场化改革的逐渐开展,中小银行经营的外部环境与内部盈利结构都将发生变化,受到利率风险较大的冲击。在利率市场化以前,由于中小银行定价能力及风险管理能力比大型银行弱,所以利率管制对中小银行起着一定保护作用。而在利率市场化改革以后,中小商业银行面临利率波动带来的不确定性风险加剧。而目前中国中小商业银行业务基础、利率风险计量以及风险管理能力方面都存在一定的缺陷,因此研究利率市场化条件下中小商业银行的利率风险计量与管理十分重要。
本文首先对中国利率市场化的进程,利率市场化对商业银行的风险影响进行了分析;其次,对中国目前利率风险管理中可能存的问题进行了研究;第三,为了优化中小商业银行利率风险管理体系,提高中小行业银行对利率市场风险计量的准确性,本文对比分析了目前常用利率风险计量模型以及这些模型存在的不足,基于GARCH模型族对利率风险的变动进行拟合,在此基础上采用合适的GARCH模型对风险的在险价值(VaR)进行计量,估算不同置信度下的风险大小;第四,为了验证该模型的有效性,本文通过对SHIBOR利率进行实证,验证了该计量模型的有效性;最后,基于实证分析,提出优化中小商业银行利率计量及管理的相关建议。
本文的研究结论如下:(1)目前利率市场化对中小商业银行可能带来重新定价风险、收益率曲线风险、基差风险以及内含选择权风险。同时中国中小商业银行存在存贷款利率定价体系不健全、利率与流动性风险管理较弱以及利率风险计量模型较为落后等问题;(2)本文构建了基于GARCH模型族的VaR利率风险计量模型,在对SHIBOR数据进行相关检测通过的情况下,构建GARCH、TGARCH、EGARCH等模型,分别假设正态分布、t分布、广义误差分布,建立九种不同模型,通过均值模型选择出拟合度最好的模型,基于最优模型采用VaR进行测算,并验证测算的有效性;(3)本文使用SHIBOR隔夜利率进行实证。通过对比研究,最后发现GARCH(1,1)-G模型的各个系数以及常数项都显著,故最后选择GARCH(1,1)-G用于计算SHIBOR收益率序列波动的条件方差。该模型的α=0.184145>0,说明外界因素的冲击会迅速加剧SHIBOR收益率序列的波动;α+β=1.119983>1,说明当前对序列的冲击将在未来一段时间内持续;(4)基于GARCH(1,1)-G本文构建了VaR模型计算出不同水平下的VaR的最大、最小以及均值。假设银行组合资产为1亿人民币,那么在95%的置信水平下,由于利率波动导致的资产损失不超过438万元,因此通过VaR模型能够更为动态的刻画市场利率波动的风险。(5)对VaR进行有效性检验,实际失败天数对比VaR序列与SHIBOR收益率获得,实际失败率为2.71%,小于0.05,同时95%下,??的临界值为3.48,LR满足1.015<3.48,因此VaR对SHIBOR的计量是有效的。
本文的研究对于中小商业银行提升对利率风险计量的准确性,提高利率风险的管理能力具有重要的参考价值。
本文首先对中国利率市场化的进程,利率市场化对商业银行的风险影响进行了分析;其次,对中国目前利率风险管理中可能存的问题进行了研究;第三,为了优化中小商业银行利率风险管理体系,提高中小行业银行对利率市场风险计量的准确性,本文对比分析了目前常用利率风险计量模型以及这些模型存在的不足,基于GARCH模型族对利率风险的变动进行拟合,在此基础上采用合适的GARCH模型对风险的在险价值(VaR)进行计量,估算不同置信度下的风险大小;第四,为了验证该模型的有效性,本文通过对SHIBOR利率进行实证,验证了该计量模型的有效性;最后,基于实证分析,提出优化中小商业银行利率计量及管理的相关建议。
本文的研究结论如下:(1)目前利率市场化对中小商业银行可能带来重新定价风险、收益率曲线风险、基差风险以及内含选择权风险。同时中国中小商业银行存在存贷款利率定价体系不健全、利率与流动性风险管理较弱以及利率风险计量模型较为落后等问题;(2)本文构建了基于GARCH模型族的VaR利率风险计量模型,在对SHIBOR数据进行相关检测通过的情况下,构建GARCH、TGARCH、EGARCH等模型,分别假设正态分布、t分布、广义误差分布,建立九种不同模型,通过均值模型选择出拟合度最好的模型,基于最优模型采用VaR进行测算,并验证测算的有效性;(3)本文使用SHIBOR隔夜利率进行实证。通过对比研究,最后发现GARCH(1,1)-G模型的各个系数以及常数项都显著,故最后选择GARCH(1,1)-G用于计算SHIBOR收益率序列波动的条件方差。该模型的α=0.184145>0,说明外界因素的冲击会迅速加剧SHIBOR收益率序列的波动;α+β=1.119983>1,说明当前对序列的冲击将在未来一段时间内持续;(4)基于GARCH(1,1)-G本文构建了VaR模型计算出不同水平下的VaR的最大、最小以及均值。假设银行组合资产为1亿人民币,那么在95%的置信水平下,由于利率波动导致的资产损失不超过438万元,因此通过VaR模型能够更为动态的刻画市场利率波动的风险。(5)对VaR进行有效性检验,实际失败天数对比VaR序列与SHIBOR收益率获得,实际失败率为2.71%,小于0.05,同时95%下,??的临界值为3.48,LR满足1.015<3.48,因此VaR对SHIBOR的计量是有效的。
本文的研究对于中小商业银行提升对利率风险计量的准确性,提高利率风险的管理能力具有重要的参考价值。